LMArena Hard Promptsのリーダーボード
2026年11月16日時点で、LMArena Hard Promptsの最高スコアは1547で、Gemini 4 Carbon(Google)が記録しています。次点はGemini 4 Argonの1545です。公表された結果があるのは384のモデル構成です(Arena (LMArena)、結果の日付は2026年11月11日)。テキストアリーナと同じ一対比較の投票を、LMArenaの分類器が「難しい」と判定したプロンプト、つまり気軽な雑談ではなく具体的で複雑な多段階の依頼に絞ったものです。LMArena Hard PromptsはBenchLeader Indexの推論スコアに反映されます。
要点(2026年11月16日時点)
- Gemini 4 CarbonがArena Hard Promptsの最高スコア1547を記録しています(Arena (LMArena)、2026年11月11日)。
- Arena Hard Promptsの2位はGemini 4 Argonで、1545です(Arena (LMArena)、2026年11月11日)。
- Arena Hard Prompts:難しいと判定されたプロンプトでのテキストアリーナのレーティング(Arena (LMArena))。
- BenchLeaderでは384のモデル構成にArena Hard Promptsの公表結果があります(BenchLeader、2026年11月16日)。
- Arena Hard PromptsはBenchLeader Indexの推論カテゴリに反映されます(BenchLeaderの評価方法)。
難しいと判定されたプロンプトでのテキストアリーナのレーティング。
- カテゴリ
- 推論
- Indexでの重み
- 0.5
- モデル
- 384
- データ基準日
- 2026年11月16日
Arena Hard Promptsの今週の動き
2026年11月9日〜2026年11月16日。モデルごとに1行(このボードでの最良の設定)。
- 上昇: Claude Opus 5.5 #5 → #4、Muse Spark 1.3 #12 → #10、Kimi K3 #13 → #11
- 下降: Claude Opus 4.6 #4 → #5、Claude Opus 5 #10 → #12、Muse Spark 1.2 #11 → #14、Claude Opus 4.8 #14 → #15、GPT-5.6 Sol #15 → #16、Muse Spark 1.1 #16 → #17、Gemini 3.7 Flash #17 → #18
- 新たに上位20入り: Gemini 4 Hydrogen (13位、1514)
CC BY 4.0 — lmarena-ai/leaderboard-dataset on Hugging Face.
どんなテストか
テキストアリーナと同じ一対比較の投票を、LMArenaの分類器が「難しい」と判定したプロンプト、つまり気軽な雑談ではなく具体的で複雑な多段階の依頼に絞ったものです。
採点方法
難しいプロンプトのサブセットでのBradley-Terryレーティングで、スタイルコントロールを適用しています。
注意点
総合ボードよりモデルあたりの投票数が少ないため、信頼区間が広くなります。難しさは結果ではなく分類器によって判定されています。
- 1Gemini 4 Carbon (high)1547
- 2Gemini 4 Argon (high)1545
- 3Muse Wonder (max)1531
- 4Claude Opus 5.5 (high)1530
- 5Claude Opus 4.6 (high)1530
- 6Claude Fable 5 (high)1530
- 7Claude Opus 4.61526
- 8Claude Opus 4.7 (high)1525
- 9Claude Fable 5.1 (max)1522
- 10Claude Opus 4.71519
- 11Gemini 3.8 Flash (high)1518
- 12Muse Spark 1.3 (max)1517
- 13Kimi K3 (max)1516
- 14Claude Opus 5 (high)1515
- 15Gemini 4 Hydrogen (high)1514
| # | |||||
|---|---|---|---|---|---|
| 1 | 1547 | 68.9 | 2026-11-11 | $4.00 | |
| 2 | 1545 | 65.3 | 2026-11-11 | $4.00 | |
| 3 | 1531 | 60.8 | 2026-11-11 | $8.00 | |
| 4 | 1530 | 66.0 | 2026-11-11 | $8.00 | |
| 5 | 1530 | 62.5 | 2026-11-11 | $10.00 | |
| 6 | 1530 | 63.9 | 2026-11-11 | $20.00 | |
| 7 | 1526 | 62.1 | 2026-11-11 | $10.00 | |
| 8 | 1525 | 60.0 | 2026-11-11 | $10.00 | |
| 9 | 1522 | 66.7 | 2026-11-11 | $20.00 | |
| 10 | 1519 | 63.1 | 2026-11-11 | $10.00 | |
| 11 | 1518 | 59.4 | 2026-11-11 | $1.50 | |
| 12 | 1517 | 60.6 | 2026-11-11 | $2.00 | |
| 13 | 1516 | 60.2 | 2026-11-11 | $6.00 | |
| 14 | 1515 | 64.4 | 2026-11-11 | $10.00 | |
| 15 | NEW | 1514 | 63.4 | 2026-11-11 | $3.00 |
| 16 | 1514 | 61.5 | 2026-11-11 | $2.00 | |
| 17 | 1513 | 65.0 | 2026-11-11 | $10.00 | |
| 18 | 1513 | 60.4 | 2026-11-11 | $10.00 | |
| 19 | 1511 | 63.9 | 2026-11-11 | $8.00 | |
| 20 | 1511 | 62.2 | 2026-11-11 | $2.00 | |
| 21 | 1510 | 62.1 | 2026-11-11 | $1.50 | |
| 22 | 1508 | 59.9 | 2026-11-11 | $4.50 | |
| 23 | 1507 | 58.8 | 2026-11-11 | $2.15 | |
| 24 | 1507 | 58.7 | 2026-11-11 | $3.00 | |
| 25 | 1506 | 64.2 | 2026-11-11 | – | |
| 26 | 1505 | 58.7 | 2026-11-11 | $10.00 | |
| 27 | 1505 | 66.6 | 2026-11-11 | $4.00 | |
| 28 | 1504 | 57.5 | 2026-11-11 | $0.548 | |
| 29 | 1504 | 59.9 | 2026-11-11 | $4.00 | |
| 30 | 1503 | 57.6 | 2026-11-11 | $6.00 | |
| 31 | 1502 | 60.0 | 2026-11-11 | – | |
| 32 | 1501 | 61.0 | 2026-11-11 | $1.50 | |
| 33 | 1501 | 63.5 | 2026-11-11 | $11.25 | |
| 34 | 1501 | 59.7 | 2026-11-11 | $10.00 | |
| 35 | 1500 | 57.8 | 2026-11-11 | $0.238 | |
| 36 | 1500 | 67.3 | 2026-11-11 | $20.00 | |
| 37 | 1499 | 62.5 | 2026-11-11 | $4.00 | |
| 38 | 1499 | 61.0 | 2026-11-11 | $11.25 | |
| 39 | 1499 | 58.5 | 2026-11-11 | $0.525 | |
| 40 | 1499 | 57.1 | 2026-11-11 | $10.00 | |
| 41 | 1497 | 56.7 | 2026-11-11 | $4.81 | |
| 42 | 1496 | 58.6 | 2026-11-11 | $5.63 | |
| 43 | 1496 | 62.5 | 2026-11-11 | $3.38 | |
| 44 | 1496 | 58.9 | 2026-11-11 | $2.15 | |
| 45 | 1495 | 61.8 | 2026-11-11 | $3.38 | |
| 46 | 1495 | 60.0 | 2026-11-11 | $3.75 | |
| 47 | 1494 | 55.5 | 2026-11-11 | $1.50 | |
| 48 | 1493 | 56.5 | 2026-11-11 | $1.13 | |
| 49 | 1492 | – | 2026-11-11 | – | |
| 50 | 1491 | 56.9 | 2026-11-11 | $11.25 | |
| 51 | 1491 | 60.1 | 2026-11-11 | $4.50 | |
| 52 | 1490 | 59.0 | 2026-11-11 | $4.00 | |
| 53 | 1489 | 58.3 | 2026-11-11 | $1.56 | |
| 54 | 1489 | 55.4 | 2026-11-11 | $2.15 | |
| 55 | 1488 | 59.3 | 2026-11-11 | $3.00 | |
| 56 | 1487 | – | 2026-11-11 | – | |
| 57 | 1487 | – | 2026-11-11 | – | |
| 58 | 1487 | 57.9 | 2026-11-11 | $5.63 | |
| 59 | 1487 | 57.9 | 2026-11-11 | $6.00 | |
| 60 | 1485 | 55.1 | 2026-11-11 | $1.71 |
関連するベンチマーク
Arena Hard Promptsでの注目のモデル比較
引用表記:BenchLeader「Arena Hard Promptsのリーダーボード」2026年11月16日時点のデータ、https://www.benchleader.com/ja/benchmarks/lmarena_text_hard
Arena Hard Prompts:よくある質問
- Arena Hard Promptsは何を測るベンチマークですか?
- テキストアリーナと同じ一対比較の投票を、LMArenaの分類器が「難しい」と判定したプロンプト、つまり気軽な雑談ではなく具体的で複雑な多段階の依頼に絞ったものです。スコアは一対一の比較から算出するEloレーティングで示され、高いほど良い結果です。
- Arena Hard Promptsの最高スコアは?
- 2026年11月16日時点で、Arena Hard Promptsの最高スコアは1547で、Gemini 4 Carbonが記録しています(結果の日付は2026年11月11日)。次点はGemini 4 Argonの1545です。スコアはArena (LMArena)の公表値で、毎日読み直しています。
- Arena Hard PromptsでトップのAIモデルは?
- 2026年11月16日時点で、Arena Hard Promptsの首位はGemini 4 Carbonで、スコアは1547です(結果の日付は2026年11月11日)。続いてGemini 4 Argon(1545)です。
- Arena Hard Promptsの結果があるモデルはいくつですか?
- BenchLeaderでは384のモデル構成にArena Hard Promptsの結果があり、すべてArena (LMArena)から取得しています。
- Arena Hard Promptsを運営しているのは誰で、どのくらいの頻度で更新されますか?
- Arena Hard PromptsはArena (LMArena)が公開しています。BenchLeaderは公開された結果を1日1回読み直し、各結果の公開日を記録しています。
- Arena Hard PromptsはBenchLeader Indexに含まれますか?
- はい。Arena Hard PromptsはBenchLeader Indexの推論カテゴリに反映され、評価対象モデルの平均が50になるよう正規化されています。